基于多核Boosting方法的通用目标分类和识别.pdfVIP

第38卷第 10期 光电工程 V0ll38．No．10 2011年 l0月 Opto—ElectronicEngineering 0ct．20lI 文章编号：1003—501X(2011)10—0066—06 基于多核Boosting方法的通用 目标分类和识别 林亦宁，韦 巍，戴渊明 (浙江大学 电气学院控制理论与控制工程系，杭州 310027) 摘要：针对传统基于 SVM 分类器的多核学习方法优化参数多、优化过程复杂、计算量大的缺点，本文提出基于 RealAdaboost的多核学习方法解决通用 目标分类与识别问题。该方法根据核函数能将高维特征映射到低维空间的 特性，采用核函数空间上的线性平面分割构建弱分类器，并用RealAdaboost学习框架对弱分类器进行学习。先用 分层特征算子 PHOG和PHOW分别提取图像不同尺度的形状和表观信息，并用核函数计算特征距离，然后在核 空间上构建线性弱学习器池，最后用RealAdaboost算法学习得到强分类器。实验结果表明，该方法有效提高了图 像分类的准确率。 关键词：核函数；图像分类；多尺度特征；核空间线性学习器；Adaboost；距离学习 中图分类号：TP181 文献标志码：A doi：10．3969／j．issn．1003—501X．2011．10．0l】 GeneralObjectCategorizationandRecognition BasedonM ulti—kernelBoostingM ethod LINYi—ning，W EIW ei，DAIYuan—ming (DepartmentofElectricalEngtneering，ZhejiangUniversity，Hangzhou310027，China) Abstract： Kernelfunction is a normalmethod for image categorization to map high-dimension features into low—dimensionspaces．Moststate—of-artresearchesintegratedkernelsintoSupportVectorMachine(SVM)classifiersto solveclassificationproblems．A novelRealAdaboostrfameworkisproposedtoinvolvekernelmethodtodealwith classification．HierarchicalfeaturesPHOG andPHOW areusedtodescribeshapeandappearanceinformationinmultiple imagescalesfirstKernelfunctionisthenemployedofrevaluatingfeaturesdistanceandconstructinglinearlearnerpool inkernelspace．RealAdaboostisfinallyusedtolinearlearnerstoobtainfinalimageclassifierExperimentalresultsshow thatourmethodsignificantlyimprovestheimagecategorizationperformance． Keywords：kernel；imagecategorization；multi—scalefeatures；linearlearnerinkernelspace；Adaboost；metriclearning 0 引 言 通用的多分类 目标识别是近年来计算机视觉领域的研究热点之一。其研究内容主要包括三个方面：特 征提取，相似度／~,02离计算以及分